继续请教问题:关于 Pytorch 的 Autograd

雷达

0 ]/ A# {3 n$ p' p* A
! |( y, v: x: e为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
9 d( T3 D( o& Nimport torch
import numpy as np
2 c( B+ C0 b8 R& t. b5 ^+ Timport matplotlib.pyplot as plt
import random
% a  h' j$ Q' l
x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

9 \( Y! B0 C  e0 J; Zw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ L3 V2 F- j0 W" xb = torch.tensor(0.,requires_grad=True)

epochs = 100
* y% [& L* A& L+ H
losses = []
! N6 |% K6 j4 i) X+ ~* e* P* wfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
- ~: v! I+ e4 X+ A. {
# Z) s' I1 \/ M8 Q% F  loss = torch.square(y_pred - y).mean()   #计算 loss
& ~) U4 P: D2 K* N" @# Z5 z( d1 |  losses.append(loss)
  
8 M  d) H0 p' L& D, v, \: M0 }  loss.backward() # autograd
2 Q( V* Z. T. r1 B' G  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
  j, L5 f, h7 {/ `5 [& I9 Z' o    b  -= b.grad*0.0001    # 回归 b
, a! V: `0 Z& G  w.grad.zero_()  
5 u% S$ o; V. K' D9 X  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
# y2 b, O5 l5 t4 o  B8 q. m----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
% s5 q( ~  N7 p# Q: D高手们帮看看是神马原因？
9 w( H; I: j, {( z" Y0 y) H* [

老福

- Y3 w% a5 f4 E0 t' K
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
# K/ e( R. M) n' e-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思， ...

* c2 V% c! P) \+ S谢谢，算法应该没问题，就是最简单的线性回归。
/ Q  `% o5 N8 |! s# I! g我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

) ?; Y0 F5 ^5 z

雷达 发表于 2023-2-14 21:52
/ b1 J1 w3 D0 E2 J谢谢，算法应该没问题，就是最简单的线性回归。
+ ~, l$ e+ {6 D+ E+ z! y我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

- E. |$ }# _5 H6 `5 s2 e0 ^( s2 ^0 ^, I或者把b但的起点改为1试试。

雷达

& n3 j; [5 [( H+ j0 Z2 J* m- u

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。 ...

9 c% G+ ]( s2 N/ x3 Z
你是对的。
去掉了随机部分
9 @, w( {! L1 @1 q: r' {# l#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

8 ~2 z0 q7 H+ `/ k* W循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
" e& Y1 U; u1 \3 c
, E5 h* d. N8 N) |和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。